論文の概要: Predictive AI for SME and Large Enterprise Financial Performance
Management
- arxiv url: http://arxiv.org/abs/2311.05840v1
- Date: Fri, 22 Sep 2023 11:04:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 16:34:02.053793
- Title: Predictive AI for SME and Large Enterprise Financial Performance
Management
- Title（参考訳）: 中小企業と大規模企業業績管理のための予測AI
- Authors: Ricardo Cuervo
- Abstract要約: バランスシートと所得計算の標準比率を補完する新しい金融・マクロ経済比率を紹介します。
また、企業パフォーマンスを予測するための教師付き学習モデル(MLレグレッタとニューラルネットワーク)とベイジアンモデルも提供します。
提案した変数は,標準産業比率に比例してモデル精度を向上させることができると結論づける。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Financial performance management is at the core of business management and
has historically relied on financial ratio analysis using Balance Sheet and
Income Statement data to assess company performance as compared with
competitors. Little progress has been made in predicting how a company will
perform or in assessing the risks (probabilities) of financial
underperformance. In this study I introduce a new set of financial and
macroeconomic ratios that supplement standard ratios of Balance Sheet and
Income Statement. I also provide a set of supervised learning models (ML
Regressors and Neural Networks) and Bayesian models to predict company
performance. I conclude that the new proposed variables improve model accuracy
when used in tandem with standard industry ratios. I also conclude that
Feedforward Neural Networks (FNN) are simpler to implement and perform best
across 6 predictive tasks (ROA, ROE, Net Margin, Op Margin, Cash Ratio and Op
Cash Generation); although Bayesian Networks (BN) can outperform FNN under very
specific conditions. BNs have the additional benefit of providing a probability
density function in addition to the predicted (expected) value. The study
findings have significant potential helping CFOs and CEOs assess risks of
financial underperformance to steer companies in more profitable directions;
supporting lenders in better assessing the condition of a company and providing
investors with tools to dissect financial statements of public companies more
accurately.
- Abstract（参考訳）: 財務パフォーマンス管理はビジネスマネジメントの核心であり、これまでは、バランスシートと所得表データを使って、競合他社と比較して企業業績を評価する金融比率分析に頼ってきた。
企業がどのように振る舞うかの予測や、低パフォーマンスのリスク(確率)の評価にはほとんど進展がない。
本研究では,バランスシートと所得表の標準比率を補完する新たな金融・マクロ経済比について紹介する。
また、企業パフォーマンスを予測するための教師付き学習モデル(MLレグレッタとニューラルネットワーク)とベイジアンモデルも提供します。
提案した変数は,標準産業比率に比例してモデル精度を向上させることができる。
また、Feedforward Neural Networks(FNN)は6つの予測タスク(ROA、ROE、Net Margin、Op Margin、Cash Ratio、Op Cash Generation)にまたがって、実装と実行が簡単である。
BNは予測された(予測された)値に加えて確率密度関数を提供するという付加的な利点がある。
調査の結果は、CFOやCEOが企業に対してより利益の出る方向で財務不利益のリスクを評価するのに役立ち、金融機関が企業の状況をよりよく評価し、投資家に公開企業の財務状況をより正確に把握するためのツールを提供することに寄与する可能性がある。
関連論文リスト
- Earnings Prediction Using Recurrent Neural Networks [0.0]
この研究は、40年間の財務データを用いて、将来の企業利益を予測するニューラルネットワークを開発する。
アナリストのカバレッジギャップに対処し、潜在的に隠れた洞察を明らかにする。
会計年度末と四半期決算予測の両方を作成できる。
論文 参考訳（メタデータ） (2023-11-10T13:04:34Z) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-08-18T16:21:15Z) - Towards Long-Term predictions of Turbulence using Neural Operators [68.8204255655161]
機械学習を用いて乱流シミュレーションのための低次/サロゲートモデルを開発することを目的としている。
異なるモデル構造が解析され、U-NET構造は標準FNOよりも精度と安定性が良い。
論文 参考訳（メタデータ） (2023-07-25T14:09:53Z) - PIXIU: A Large Language Model, Instruction Data and Evaluation Benchmark
for Finance [63.51545277822702]
PIXIUは、命令データ付き微調整LLaMAに基づく最初の金融大規模言語モデル(LLM)を含む包括的なフレームワークである。
我々はLLaMAを細調整してFinMAを提案する。
我々は、FinMAと既存のLLMを詳細に分析し、重要な財政課題に対処する際の長所と短所を明らかにする。
論文 参考訳（メタデータ） (2023-06-08T14:20:29Z) - Measuring Consistency in Text-based Financial Forecasting Models [10.339586273664725]
FinTrustは財務文書の論理的一貫性を評価する評価ツールである。
金融予測のための最先端NLPモデルの整合性は乏しいことを示す。
意味保存による性能劣化の分析は,現在のテキストベースの手法が市場情報の堅牢な予測に適していないことを示唆している。
論文 参考訳（メタデータ） (2023-05-15T10:32:26Z) - Financial Distress Prediction For Small And Medium Enterprises Using
Machine Learning Techniques [5.301137510638804]
ファイナンシャルディストレス予測(Financial Distress Prediction)は、失敗する構造物の数と確率を正確に予測することで、経済において重要な役割を果たす。
しかし、中小企業にとっての財政難の予測は、そのあいまいさが原因で困難である。
本稿では,金融データの薄面成分分析,コーポレートガバナンスの質,および市場交換データを関連ベクタマシンに組み込んだ企業FCPモデルを提案する。
論文 参考訳（メタデータ） (2023-02-23T15:58:30Z) - Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics
in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。
最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。
予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文 参考訳（メタデータ） (2022-03-07T18:59:54Z) - Insights into Fairness through Trust: Multi-scale Trust Quantification
for Financial Deep Learning [94.65749466106664]
金融深層学習において探求されていない公平性の基本的な側面は、信頼の概念である。
クレジットカードのデフォルト予測のために,ディープニューラルネットワーク上でマルチスケール信頼度定量化を行う。
論文 参考訳（メタデータ） (2020-11-03T19:05:07Z) - Earnings Prediction with Deep Learning [0.0]
我々は、長期短期記憶(LSTM)ネットワークと時間畳み込みネットワーク(TCN)を比較し、EPS(Future earnings per Share)の予測を行う。
米国企業の広範なサンプルでは、LSTMはいずれも30.0%以上の精度の予測を行い、TCNは30.8%の改善を達成している。
論文 参考訳（メタデータ） (2020-06-03T16:04:48Z) - Large-scale Uncertainty Estimation and Its Application in Revenue
Forecast of SMEs [10.367755705236249]
中小企業の経済と銀行の重要性は、現代社会においてよく認識されている。
信頼できる収益予測モデルを構築することは非常に有益である。
本稿では,実装が容易で,容易に並列化可能で,解釈可能で,高品質な予測不確実性の推定値が得られるスケーラブルな自然グラディエントブースティングマシンを提案する。
論文 参考訳（メタデータ） (2020-05-02T06:17:44Z) - Reinforcement-Learning based Portfolio Management with Augmented Asset
Movement Prediction States [71.54651874063865]
ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。
本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。
当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
論文 参考訳（メタデータ） (2020-02-09T08:10:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。